DSDの分析とRSMモデルへの移行に関するガイダンスが必要ですこんにちは、みんな、
お元気でお過ごしでしょうか。
JMP ユーザーコミュニティに DSD に関する質問を投稿したのですが、なぜかスパムとして報告されてしまいました。誰かの助けになればと思い、ここに再投稿します。
私は修士課程の学生で、JMPの決定的スクリーニング計画（DSD）を用いて垂直軸風力タービン（VAWT）を最適化する研究プロジェクトに取り組んでいます。8因子DSDの22回の実験はすべて完了しましたが、分析と次のステップで苦戦しています。
論文の締め切りは 2 週間後ですが、DSD の結果をこれ以上の拡張なしで RSM に変換するのが正しいのかどうか、まったくわかりません。
簡単な洞察や推奨リソースがあれば助かります!
どうもありがとうございます！
よろしくお願いいたします。
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちは@モナスレ 、
はい、コミュニティの自動フィルタリングが少し難しい場合があり、メッセージが誤って「スパム」としてタグ付けされている可能性があります。
あなたの主題と DSD 分析に関しては、役立つ情報はほとんどなく、特に研究の背景、研究の目的、DoE での経験については何も説明されていません。
決定的スクリーニング計画は（その名の通り）スクリーニング計画として最もよく知られていますが、強い交互作用や二次効果も検出できます。その性能と検出能力（そしてそれらから完全なRSMモデルを当てはめる可能性）については、 こちらで詳しく読むことができます。計画から完全なRSMモデルを当てはめる可能性は、実行回数（ここでは8因子に対する4回の追加実行を含む22回）と検出されたアクティブな主効果の数によって異なります。JMPヘルプドキュメントによると、（8因子から）有意な主効果が4つ未満の場合、データにRSMモデルを当てはめることができます。
分析に関しては、まず次のことから始めることをお勧めします。
- DSD解析に使用されるデフォルトのプラットフォームであるFit Definitive Screeningプラットフォーム。この解析を実行するためのスクリプトは、このデザインを作成する際にデータテーブルに含まれています。
- 主効果だけでなく相互作用効果や二次効果も効果的に検出できる2 レベル スクリーニング プラットフォームに適合します。
モデルの適合プラットフォームでは、最小二乗モデルを適合するための推定方法のほか、 2 段階前進選択または剪定前進選択推定方法を使用した一般化回帰モデル(JMP Pro を使用) も使用できます。
これらのプラットフォームで発見されたモデルを比較し、一致点と相違点を確認します。モデルが異なる場合は、回帰モデルが回帰の仮定を尊重しているかどうか（残差分析を使用）を検証した上で、説明的パフォーマンス（ R2とR2調整済み指標を用いて、両者の差が最小となるように最大化）と予測的パフォーマンス（ RMSE指標を用いて、最小化）に加え、モデルの複雑性（ AICcやBICなどの情報量基準を用いて、最小化）の観点からパフォーマンスを比較します。
モデルで検出された主効果の数とモデルの精度に応じて、この DSD を通じて有用かつ関連性の高いモデルを使用して目的に十分に応えられたかどうか、またはより完全で正確なモデルに適合させるために拡張フェーズが必要かどうかを評価できます。
これらの提案がお役に立てば幸いです。より正確なフィードバックやサポートが必要な場合は、詳細な情報や背景情報をご提供いただくか、（匿名化された）データテーブルを共有してください。
最高、
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です詳細なご回答をいただき、誠にありがとうございますビクターG !
本論文の目標は、VAWTのパワー係数（効率）を向上させることです。これは、各ブレードの先端に追加された先端デバイスのパラメータを最適化することで実現します。当初はパラメータ数が多かったため、いくつかを修正する必要があり、最終的に8つ（連続パラメータ7つ、カテゴリパラメータ1つ）になりました。最初のアイデアは、スクリーニング設計を適用してパラメータ数を減らし、その後RSMを用いて最適化することでした。DSDは他のスクリーニング設計よりも優れた性能を発揮し、特にパラメータ数が4以下の場合に完全なRSMを適用できるため、この設計を選択しました。
私は DOE や DSD についてあまり知識がありませんが、いくつかのウェビナーのスライドを読んでいくつかのことを学びました。
私の結果に戻ると、次のことがわかりました。
- DSDを95%信頼区間（p=0.05）でフィッティングすると、2つの主因子（AとBと呼ぶ。Bはカテゴリ因子）のみが得られる。R^2は0.56、adj R^2は0.45である。
- DSDを90%信頼区間（p=0.1）でフィッティングすると、4つの主要因子（A、B、C、D）が得られます。R^2は0.89、adj R^2は0.82です。
どちらの場合も、パラメータを最適化するためにさらに拡張する必要はないようです。
しかし、私の疑問は次のとおりです。
- p = 0.1 の 2 番目のオプションを選択する必要がありますか?
- その後、RSMをどのようにフィットさせるのでしょうか？DSD以外のプラットフォームで主要な要素を取得するのでしょうか？それとも、DSDプラットフォームから直接行う方法があるのでしょうか？
- 最後に、RSMフィッティングを終え、パラメータ（A、B、C、D）の最適化値が得られたとします。ANSYSで他のCFDシミュレーションをいくつか実行して、予測された出力係数（応答）を検証したい場合、他のパラメータ（E、F、G、H）にはどのレベルを選択すればよいでしょうか？CFDシミュレーション実行時に、これらのパラメータの中心値を選択すべきでしょうか？（垂直軸風力タービンのチップセイルを描くには、8つのパラメータすべてが必要であることに注意してください。）
改めてご協力ありがとうございました、本当に感謝しています!
よろしくお願いします、
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です私が言及した 2 つのプラットフォームを試して、追加のモデルの提案が得られるかどうかを確認してください。
フィット確定スクリーニングと統計的有意性の閾値に関してテストした2つの設定に関しては、次の会話が役立つかもしれません： DSDの分析におけるステージ1のP値を高いレベルに設定して、アクティブな効果を検出する
AICcとBICは、モデルの複雑さと精度のトレードオフを評価する情報量基準です。複数のモデルを比較し、複雑さが低く（AICc/BICの値が低い）、適合度の高いモデルを見つける際に役立ちます。
あなたの状況では、スクリーニング段階にあるため、調整済み R2/R2 が高く、2 つの差が低いように見えるため、適切に調整されたモデルであることを示しており、2 番目のモデルの方が最初のモデルよりも有用であると考えられます。
より実践的な観点からあなたの質問に答えます：
- 「Fit Definitive Screening」で発見されたモデルは、「Combined Model Parameter Estimates」の「 モデルを実行 」をクリックすることで適合できます。「Fit Two Level」プラットフォームにも同様のオプションがあり、検出された効果を用いてモデルを作成または実行できます。モデルを実行したら、回帰の仮定が満たされていることを確認できます。
- この質問に対する明確な答えはありません。最も実用的なレベル、つまり中レベルまたは低レベル（例えば、これらの低レベルが0であれば、CFD計算が容易になる場合があります）を選択できます。因子の最適な設定が見つかったら、CFDシミュレーションを実行し、設定が最適な設定を反映していること、そしてモデルが最適な設定を正確に予測できることを確認します。
楽しむ ！
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です興味深いケースですね！RSMを当てはめるために4つの主効果をスクリーニングしたのは素晴らしいですね。すべての交互作用効果と二次関数は有意ですか？過適合を避けるため、弱い交互作用と検定力は除外した方が良いでしょう。これらの効果を検証するには、拡張によるさらなる試行が必要です。修士論文の成功をお祈りします！
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です7因子のDSD症例で、主効果を除外するために閾値p値を0.4（！）まで上げる必要がありました。Victor氏が言及したFit 2レベルスクリーニングを用いてこのスクリーニングの信頼性を二重に確認したところ、結果は同じでした。そのため、最初のDSDスクリーニングには自信がありました。ところが残念ながら、5つの活性因子が検出されたため、モデルをRSMにアップグレードするために、交互作用効果のエイリアシングを除去するために4回の追加実行を行い、DSDを拡張する必要がありました。これはうまくいきました！
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です@Victor_Gさん、貴重なご支援を本当にありがとうございました！本当に感謝しています！
あなたが言及したリンクを今日必ずすべて確認します。
最後に一つ質問させてください。私のケースではBox-Cox変換は重要でしょうか？添付のスクリーンショットにあるように、SSEを低減するにはλ = -2が最適な値です。試してみたところ、R^2 = 0.92、R^2 adj = 0.85という結果になりました。
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちは@frankderuyckさん、
いいえ、私が試した 2 番目のモデルではすべての相互作用が利用できるわけではありません (p=0.1)。4 つの主な要因 (A、B、C、D) を持つ 2 つの相互作用と 2 つの二乗項 (A*B、B*C、B^2、C^2) のみがあります。
3 つの連続因子 (A、C、D) と 1 つのカテゴリ因子 (B) を取得したため、RSM に適合させるために拡張する必要はないと思います。試したすべてのケースにおいて、カテゴリ因子 B の高レベル (+1) は低レベル (-1) よりも明らかに優れています。
洞察力のあるご返信ありがとうございます！感謝します
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですラムダ=-2 の Box-Cox 変換を試し、元のモデルと変換後のモデルを比較することで、どちらが回帰の仮定をよりよく尊重しているかを確認できます。予測値と残差分析で実測値をプロットし、残差がランダムかつ正規分布で、均一分散（等分散性）を示しているかどうかを確認します。その後、モデルのパフォーマンスを比較できます。
変換は、モデルを回帰の仮定に適合させ、簡素化するのに役立ちます。
ラムダ値が -2 の場合、これは Y を 1/Y2 に変換することと同じです: https://www.statisticshowto.com/probability-and-statistics/normal-distributions/box-cox-transformation/
これらの回答が結果の分析に役立つことを願っています。DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちは、 @Victor_Gさん、
Box-Cox 変換を試したところ、R^2、R^2 adj、RMSE、AICc、BIC の点でより良い結果が得られました。
RSMをフィッティングしたいのですが、「分析」→「モデルのフィッティング」と進むと、 y変数として何を選択すればよいでしょうか？CFDシミュレーションから得た元のべき乗係数を選択すればよいでしょうか？それとも、Box-Cox法から得た予測式を選択すればよいでしょうか？
皆さんのご協力とご支援に心から感謝いたします！皆さんのご協力がなければ、どうなっていたか分かりません 
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちは@モナスレ 、
なるほど、変換はあなたのケースでは役立つかもしれませんね。残差（ランダムパターン、等分散性、残差の正規分布）には良い影響がありましたか？
ご質問の内容を完全に理解できていないでしょうか？「決定的スクリーニングの適合」および/または「2水準スクリーニングの適合」プラットフォームでモデル内の項を検出したら、統合された「モデルの適合」プラットフォームを使用してモデルを直接作成または実行できます。そこから、Box-Cox変換でどのラムダ値が最も適切かを評価し、「変換で置換」オプションを選択できます。これで、ご指摘の最終モデルが完成し、そこから予測式を保存して、データテーブルに直接式を表示できます。JMPは予測式を保存する際に既に元の単位に戻しているため、「逆」変換などは必要ありません。予測プロファイルを確認する際にも、直接変換されます。あなたの場合、「予測式」列で、ラムダ値として -2 を選択した場合、JMP は式の前に「1/square(expression)」(または単に指数 -2 の square(expression)) という項を追加して、元の単位でこの逆変換を実行します。
Fit Model で使用できる予測式の表示について言及している場合、この式は変換後のデータに適合された式であるため、これを使用する予定の場合は、元の単位で逆変換することを忘れないでください。
この回答があなたの主題を確定するのに役立つことを願っています。
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちはビクターG 、
はい、変換によって残留動作も改善されました。
わかりました。明確に言うと、 Fit Model プラットフォームを RSM マクロで使用する必要はないということですね?
DSD プラットフォームは主にスクリーニング用であり、アクティブな要因を特定した後、「分析 → モデルの適合」と「応答面」マクロを使用して別の RSM モデルを構築する必要があるという印象を受けました。
私が正しく理解しているのであれば、DSD プラットフォームで Box–Cox 変換を適用し、変換されたモデルを受け入れると、アクティブ因子の「RSM レベル」モデルに相当するものがすでに得られ、追加の RSM フィッティング手順は必要ないということですか?
基本的な質問で申し訳ありませんが、正しいワークフローを完全に理解していることを確認したいだけです。
貴重なご支援に改めて感謝申し上げます。
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですちなみに、RSMマクロを使って分析→モデル適合を試してみました。y応答には、 Box-Cox変換から得られた「予測応答」を使用しました。
この適合モデルには、（最終的な DSD モデルと比較して）2 つのアクティブな相互作用項があり、R^2、R^2 adj が高く、AICc、BIC、RMSE が低くなりました。
しかし、「予測された応答」を再度予測するY変数として使用するのは何か問題があると感じました。そのため、Box Cox変換後に別のプラットフォームでRSMを当てはめる必要があるかどうかを尋ねました。
ありがとう
DSD の分析と RSM モデルへの移行に関するガイダンスが必要ですこんにちは@モナスレ 、
RSMマクロを備えたFit Modelプラットフォームは、因子のすべての主効果、交互作用効果、および二次効果を含むモデルのフィッティングを開始します。既に他のプラットフォームで活性項の同定作業を行っている場合は、この項の同定／フィルタリングとモデルフィッティング操作を繰り返す必要はありません。ただし、複数のプラットフォームを並行して試用し、モデルの一致点と相違点を確認することは可能です。
はい、DSD は主にスクリーニングに使用されますが、アクティブ効果の数が比較的少ない場合やスクリーニングする要因の数が多い場合、DSD は最も重要な要因にカスタム RSM モデルを適合させるのに十分な場合があります。
ご質問に直接お答えすると、他のプラットフォームでカスタムモデルを構築済みであれば、RSMフィッティングの追加ステップは必要ありません。異なる設計状況に直面した場合、Fit DSDやFit Two Levelなどの他のプラットフォームを使用してモデルをフィッティングする方が適切かつ容易です。
2つ目のメッセージに関してですが、CFD計算から生じる変動をモデル化しないため、予測応答をモデル化することはお勧めしません。そのため、既にモデルから予測された「完璧な」応答にモデルを当てはめているため、最終的には明らかにより優れたモデルになる可能性があります。しかし、「純粋に」完璧な予測応答を予測するモデルと、CFD計算から測定された応答を予測するモデルを比較することはできません。それでも、他のモデリングプラットフォーム（Fit Two Levelsを使用しましたか？これは相互作用と二次効果の特定に非常に効果的です）を使用して、モデル構築中に項を見落としていないかどうかを確認することは可能です。
この回答が最終結果を得るのに役立つことを願っています。
DSD の分析と RSM モデルへの移行に関するガイダンスが必要です貴重なお時間とサポートをいただき、誠にありがとうございました！
それは有り難いです！
良い一日をお過ごしくださいビクターG
